I dagens högteknologiska landskap är det frestande att integrera avancerade AI-lösningar, till exempel stora språkmodeller (LLM) som ChatGPT, i affärslogiken. Trots deras imponerande kapacitet finns det starka argument för att bygga affärslogik med traditionell kod när det är möjligt och endast använda AI där konventionell kodning inte räcker till.
Min tanke är att man skall kombinera det bästa från traditionell kod och det bästa med AI.
Förutsägbarhet och kontroll
Traditionell kod erbjuder förutsägbarhet och kontroll. Utvecklare kan exakt definiera hur systemet ska bete sig under olika förhållanden, vilket minimerar risken för oväntade resultat. AI-modeller, å andra sidan, kan generera svar baserat på sannolikheter, vilket kan leda till oförutsägbara eller inkonsekventa resultat.
Underhåll och felsökning
Kod som skrivs manuellt är ofta lättare att underhålla och felsöka. Utvecklare kan spåra och åtgärda buggar genom att analysera koden. AI-modeller fungerar som ”svarta lådor”, vilket gör det omöjligt att förstå varför ett visst resultat genererades, vilket försvårar felsökning och underhåll.
Prestanda och effektivitet
Manuellt skriven kod kan optimeras för att uppnå hög prestanda och effektivitet. AI-modeller kräver betydande beräkningsresurser, vilket kan leda till högre driftskostnader och längre svarstider. För affärskritiska applikationer där snabbhet och effektivitet är avgörande är traditionell kod ofta att föredra.
Säkerhet och efterlevnad
Affärslogik hanterar ofta känslig information och måste följa strikta säkerhets- och efterlevnadsstandarder. Med traditionell kod kan utvecklare implementera specifika säkerhetsåtgärder och säkerställa att systemet uppfyller alla nödvändiga krav. AI-modeller kan vara sårbara för olika typer av attacker och kan oavsiktligt generera information som bryter mot efterlevnadsstandarder.
När AI är lämpligt
AI är å andra sidan otroligt mycket bättre på att lösa komplexa och diffusa problem, och att bearbeta mänskligt språk, bild/video och ljud. För den här typen av problem måste man använda AI.
Det finns situationer där AI kan vara ett mycket värdefullt komplement till traditionell kod:
- Naturlig språkbehandling: För att förstå och generera mänskligt språk på ett sätt som traditionell kodning inte kan hantera effektivt.
- Bild- och videbehandling: För att förstå och generera bilder och video måste man använda AI.
- Röst- och ljudbearbetning: För att förstå och generera röst och ljud måste man använda AI.
- Mönsterigenkänning: För att identifiera komplexa mönster i stora datamängder är AI oftast smidiga, till exempel vid klassificering och anomalidetektion.
- Prediktiv analys: För att förutsäga framtida händelser baserat på historiska data.
I dessa fall kan AI erbjuda funktionalitet som är svår eller omöjlig att uppnå med traditionell kod.
Slutsats
Även om AI erbjuder kraftfulla verktyg och möjligheter, är det ofta bäst att bygga affärslogik med traditionell kod när det är möjligt. Detta ger förutsägbarhet, kontroll, underhållbarhet, prestanda och säkerhet. AI bör användas selektivt, där traditionell kodning inte räcker till, för att komplettera och förbättra systemets funktionalitet.
I praktiken är en hybrid det bästa. Ramarna i affärslogiken bör skrivas med vanlig kod, som sedan kan anropa AI-modeller för att lösa mer komplexa och diffusa problem som är omöjliga med vanlig kod.
